Python 实战：同花顺股票数据爬取与指标提取

前言

在量化投资领域，数据的获取质量直接决定了策略的有效性。同花顺作为国内主流的金融信息服务平台，积累了海量的行情与财务数据。对于希望进行自主分析的交易者来说，掌握利用 Python 自动化获取这些数据并计算技术指标的能力，是构建独立分析体系的关键一步。

本文将结合实战经验，演示如何基于 Python 生态抓取同花顺的公开行情数据，并利用 pandas 完成移动平均线（MA）、相对强弱指数（RSI）等核心指标的自动化计算。整个过程注重代码的可读性与合规性，旨在提供一套可复用的技术参考方案。

一、环境准备

1.1 依赖库安装

要实现高效的数据处理，我们需要引入几个核心库。requests 负责网络请求，BeautifulSoup 用于解析 HTML 结构，pandas 则是数据处理与分析的基石。

pip install requests beautifulsoup4 pandas

在实际开发中，建议将依赖写入 requirements.txt，方便后续环境迁移。

1.2 基础配置

编写爬虫时，模拟浏览器请求头（User-Agent）是避免被服务器拦截的基础手段。我们通常使用 Session 对象来保持连接状态，提高请求效率。

import requests
from bs4 import BeautifulSoup
import pandas as pd

# 设置请求头，模拟真实浏览器行为
headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36'
}

session = requests.Session()
session.headers.update(headers)

这里要注意，部分接口可能需要特定的 Cookie 或 Referer，实际运行时需根据目标页面的响应动态调整。

二、数据获取与解析

2.1 定位数据源

同花顺的行情页面结构相对稳定，K 线数据通常隐藏在表格或 JSON 字段中。我们以获取某只股票的日线数据为例，通过解析页面中的 JavaScript 变量或表格标签来提取原始数据。

def fetch_stock_data(stock_code):
    url = f"https://basic.10jqka.com.cn/{stock_code}/history.html"
    try:
        response = session.get(url, timeout=10)
        response.raise_for_status()
        soup = BeautifulSoup(response.text, 'html.parser')
        
        # 注意：实际结构中可能包含 script 标签内的 JSON 数据
        # 此处仅为示例逻辑，具体选择器需根据页面更新调整
        data_table = soup.find('table', class_='data-table')
        if not data_table:
            return 
            
        rows = data_table.find_all()[:] 
        data_list = []
         row  rows:
            cols = row.find_all()
             (cols) >= :
                data_list.append({
                    : cols[].text.strip(),
                    : (cols[].text),
                    : (cols[].text),
                    : (cols[].text),
                    : (cols[].text)
                })
         pd.DataFrame(data_list)
     Exception  e:
        ()